深度解析 SQGen：基于隐式调制量子化张量列车（QTT）的结构化量子图像生成算法与 NISQ 部署实践
本文深度剖析了 SQGen 算法，这是一种无需经典解码器的端到端全量子图像生成框架。该模型通过将 QTT 虚拟键标推广为物理辅助比特，结合角级隐式调制与全经典可微梯度训练，成功在真机（IBM Heron 处理器）上展现了卓越的图像生成保真度与抗噪性能。
Quantum Machine Learning
混合量子-经典神经网络识别二维拓扑相：超导量子处理器上的实验与深度解析
本文深度解析了基于超导量子硬件实现的混合量子-经典神经网络（HQCNN）架构。通过联合优化参数化量子线路与经典前馈神经网络，该工作在16个超导比特上成功实现了对二维表面码拓扑相的高精度、低样本复杂度识别，为强关联分子及凝聚态体系的相变研究提供了全新的范式。
谱张量网络视角下的量子核函数：原理、压缩性诊断与量子化学潜在应用深度解析
本文深度解析了量子核函数与张量网络在傅里叶频域的等价性，通过将量子核重构为谱张量网络（Spectral Tensor Networks），阐明了如何利用算符施密特分解诊断其经典可模拟性，并探讨了该成果在量子化学分子势能面预测及量子优势验证中的潜在价值。
量子差分隐私的几何革命：基于量子费舍尔信息谱分析的各向异性噪声设计
本文深度解析 2026 年最新论文《Optimal Quantum Differential Privacy via Fisher Information Spectral Analysis》，探讨如何利用量子费舍尔信息（QFI）的几何流形结构，将传统量子差分隐私中指数级衰减效能的各向同性去极化噪声，革新为极致保留效用的各向异性方向敏感噪声，并深入探讨其在量子化学分子性质预测中的应用潜力。